LFM2.5-ColBERT-350Mとは?
LFM2.5-ColBERT-350MはLiquid AIの遅延相互作用型検索モデルで、密な兄弟モデルLFM2.5-Embedding-350Mとともに2026年6月18日に公開されました。文書のトークンごとに128個の数値からなるベクトルを保持し、トークン同士の照合(MaxSim)でクエリを採点します。インデックスの検索にも、別システムの候補リストのインデックスなしのリランキングにも使えます。提供終了したLFM2-ColBERT-350Mの後継です。
パラメータは約3億5,300万で、LFM2.5-350M-Baseを土台に、Liquidの因果的モデルを双方向化しています。アテンションは入力全体を見て、短い畳み込みは前後両方を見ます。英語、スペイン語、ドイツ語、フランス語、イタリア語、ポルトガル語、アラビア語、スウェーデン語、ノルウェー語、日本語、韓国語の11言語に対応し、短いテキスト向けに作られています。文書は最大512トークン、クエリは最大32トークンです。
重みはHugging Faceにあり、llama.cpp用のGGUF版もあります。ライセンスはLFM Open License v1.0で、年間売上$10 million(1,000万ドル)未満の組織は無料で商用利用できます。PyLateとSentence Transformersで動きます。
LFM2.5-ColBERT-350Mは使う価値があるか?
短いテキストの言語横断検索こそ、このモデルが先 頭に立つ分野です。Liquidの多言語NanoBEIRでは11言語のNDCG@10平均が0.605で、Qwen3-Embedding-0.6Bは0.556、旧版のLFM2-ColBERTは0.540、LightOnの英語専用LateOnは0.484です。クエリと答えが別の言語になりうるMKQAでは、上位20件の再現率が0.694に達します。例外は英語で、LateOnの0.690に対しこのモデルは0.687です。
Liquidによると、NanoBEIRのスコアは完全版BEIRより約15%高く出るため、これらの数値は他所のBEIRの結果とは比べられません。またすべてLiquid自身の測定です。後に出たLightOnのmLateOnは、長文書ベンチマークMLDRで87.69、このモデルは78.39としており、設計どおりの結果です。文書あたり512トークンの上限から、このモデルは商品情報、FAQの回答、サポートの断片向けで、報告書向けではありません。
速度こそLFMアーキテクチャの狙いです。M4 Max搭載のMacBook Proでllama.cppを使うと、クエリを符号化してキャッシュ済みの文書と照合するのに中央値で8.2 ms、リランカーのように文書も符号化すると34.3 msかかります。Liquid独自のGPU基盤では、文書をその場で符号化して22.8 ms、キャッシュ済みなら2.5 msまで下がります。このレイテンシなら、サーバーなしの端末上でのファイルやメモの検索が実用的になります。
出荷前に読むべきはライセンスです。LFM Open Licenseが商用で無料なのは年間売上$10 million(1,000万ドル)未満の場合だけで、それより大きな企業は別途契約が必要です。そのため多くの企業チームには使えず、代わりにApacheライセンスのLateOnやmLateOnを選べます。
真価を発揮する場面
欧州と日本で販売する従業員30人のEC企業の開発者
買い物客が商品ページと違う言語で検索しても商品を見つける
短い商品名と説明をPyLateでLFM2.5-ColBERT-350Mに索引化します。LiquidのMKQAテストでは言語横断のクエリで上位20件の再現率0.694です。売上$10 million未満ならライセンスは無料です。
メモアプリに端末内検索を加えるアプリ開発者
サーバーなしで、ユーザーのメモやメールを端末上で検索する
GGUF版をllama.cppで動かし、文書のベクトルを端末に保存します。LiquidはM4 Max搭載ノートPCで、キャッシュ済み文書に対しクエリあたり8.2 msと測定しています。
エージェントが数百のツールから選ぶ仕組みを作るエンジニア
LLMに渡す前に、依頼に合うツールを絞り込む
Liquidのツール選択デモと同じく、PyLateのrank関数でツールの説明を依頼に対して並べ替えます。説明文は文書あたり512トークンの上限に十分収まります。
導入前に確認すること
- 導入
- pip install pylate(またはsentence-transformers 6.0以降)で、trust_remote_code=Trueを付けてモデルを読み込むと双方向化のパッチが適用されます。GGUFファイルはllama.cppで動きます。
- 連携
- FastPLAIDインデックス付きのPyLate、Sentence TransformersのMultiVectorEncoder、llama.cpp。Liquidは希望する企業顧客に独自のGPU配信基盤を提供しています。
- データとプライバシー
- セルフホストなので、文書は自社のハードウェアかユーザーの端末に留まります。このモデルのホスト型APIは掲載されていません。
- 大規模利用時のコスト
- API料金はありません。年間売上$10 million(1,000万ドル)以上の組織はLiquid AIの商用ライセンスが必要で、価格は要問い合わせです。保存容量はトークンごとに128次元のベクトル分だけ増えます。
- 制限
- 文書は512トークン、クエリは32トークンで切り詰められます。対応は11言語で、Liquidは長い文書ではなく短い文脈の検索向けに推奨しています。
良い点
- 11言語のNanoBEIRで0.605、Qwen3-Embedding-0.6Bを上回る
- 言語横断の再現率が高い、MKQAで上位20件0.694
- GGUF版あり、ノートPCでクエリあたり8.2 ms
- 1つのモデルでインデックス検索も候補リストの並べ替えもできる
気になる点
- 文書は512トークン、クエリは32トークンまで
- 商用で無料なのは売上$10 million未満のみ
- 長文書ではmLateOn、英語ではLateOnに劣る
- ベンチマークはLiquid自身のもの
おすすめの人
短いテキストを対象に多言語検索を作る開発者、特にGPUサーバーのないノートPCやスマートフォンなどの端末で動かす場合。
LFM2.5-ColBERT-350Mの代替
LFM2.5-ColBERT-350M:よくある質問
- LFM2.5-ColBERT-350Mは使う価値があるか?
- 文章が短く、検索をノートPCやスマートフォンで動かす必要があるときに選ぶ多言語ColBERTですが、ライセンスと512トークンの上限が限界を決めます。 評価は5点満点中3.9点です。
- LFM2.5-ColBERT-350Mの料金は?
- LFM Open License v1.0の重みは無料です。年間売上$10 million(1,000万ドル)未満なら商用利用も無料で、それ以上はLiquid AIのライセンスが必要です。
- LFM2.5-ColBERT-350Mの欠点は?
- 文書は512トークン、クエリは32トークンまで; 商用で無料なのは売上$10 million未満のみ; 長文書ではmLateOn、英語ではLateOnに劣る; ベンチマークはLiquid自身のもの.
- LFM2.5-ColBERT-350Mは誰に向いているか?
- 短いテキストを対象に多言語検索を作る開発者、特にGPUサーバーのないノートPCやスマートフォンなどの端末で動かす場合。
- チームや本番環境でLFM2.5-ColBERT-350Mを使うと費用はいくらか?
- API料金はありません。年間売上$10 million(1,000万ドル)以上の組織はLiquid AIの商用ライ センスが必要で、価格は要問い合わせです。保存容量はトークンごとに128次元のベクトル分だけ増えます。
- LFM2.5-ColBERT-350Mは企業データを扱っても安全か?
- セルフホストなので、文書は自社のハードウェアかユーザーの端末に留まります。このモデルのホスト型APIは掲載されていません。
- LFM2.5-ColBERT-350Mの代わりになるものは?
- 当サイトでレビューした中で最も近い代替はLateOn and mLateOn, Qwen3-Embedding and Qwen3-Reranker, Jina Embeddings v5 、 EmbeddingGemma 2です。
回答確認日:2026年11月20日